素材评价方法以及素材评价装置与流程

本发明涉及素材评价方法以及素材评价装置。

本申请基于2016年1月18日在日本申请的特愿2016-7314号主张优先权，在此引用其内容。

背景技术：

近年来，已知有检测被实验者的脑活动来推定被实验者感知的感知含义内容的技术(例如，专利文献1)。在该专利文献1所记载的技术中，通过下面的步骤来评价影像、声音内容、各种产品等素材。在专利文献1所记载的现有技术中，首先，将由动画等构成的刺激内景出示给被实验者，检测这些刺激所诱发的脑活动。然后，在现有技术中，对于该刺激-脑活动的组数据，定义对应关系的作为中间表象的脑内含义空间，从上述的组数据中学习脑活动与该脑内含义空间的对应关系。然后，在现有技术中，使用学习到的该对应关系，根据作为评价对象的素材出示给被实验者时检测到的脑活动来推定脑内含义空间上的位置，基于根据脑活动推定的脑内含义空间上的该位置来评价作为评价对象的素材。

现有技术文献

专利文献

专利文献1：日本特愿2015-077694号

但是，在现有技术中，每当要求对新的素材(新素材)进行评价时，都需要将新的素材出示给被实验者进行脑活动的检测，难以迅速且简单地进行评价。

技术实现要素：

本发明就是为了解决上述问题而提出的，其目的在于提供能够迅速且简单进行评价的素材评价方法以及素材评价装置。

为了解决上述问题，本发明的一个方式的素材评价方法包含：脑活动检测步骤，脑活动检测部将训练用素材出示给被实验者并检测脑活动；含义空间构建步骤，含义空间构建部基于通过所述脑活动检测步骤检测的检测结果以及对所述训练用素材的内容进行自然语言处理得到的语言描述来构建表示所述脑活动与所述语言描述中出现的词的脑内含义关系的脑内含义空间；第一推定步骤，素材推定部根据对新素材的内容进行自然语言处理得到的语言描述，推定所述脑内含义空间中与所述新素材的内容对应的第一位置；第二推定步骤，目标推定部根据表示所述新素材的目标概念的目标词来推定所述脑内含义空间中与该目标词对应的第二位置；以及评价步骤，评价处理部基于通过所述第一推定步骤推定的所述第一位置以及通过所述第二推定步骤推定的所述第二位置来评价所述新素材。

另外，本发明的一个方式的素材评价方法在上述素材评价方法中的所述评价步骤中，所述评价处理部基于所述第一位置与所述第二位置之间的距离来评价所述新素材是否接近所述目标概念。

另外，本发明的一个方式的素材评价方法在上述素材评价方法中的所述评价步骤中，所述评价处理部将表示所述第一位置的矢量与表示所述第二位置的矢量的内积值作为指标来评价所述新素材是否接近所述目标概念。

另外，本发明的一个方式的素材评价方法在上述素材评价方法中的所述第一推定步骤中，所述素材推定部将与所述语言描述中包含的词分别对应的所述脑内含义空间中的位置推定为所述第一位置。

另外，本发明的一个方式的素材评价方法在上述素材评价方法中的所述第一推定步骤中，所述素材推定部推定所述语言描述中包含的每个词在所述脑内含义空间中的位置，将该每个词的位置的重心推定为所述第一位置。

另外，本发明的一个方式的素材评价装置包括：含义空间存储部，存储表示脑活动与语言描述中出现的词的脑内含义关系的脑内含义空间信息，所述脑内含义空间信息表示基于脑活动检测部将训练用素材出示给被实验者并检测所述脑活动的检测结果以及对所述训练用素材的内容进行自然语言处理得到的所述语言描述来构建的脑内含义空间；素材推定部，基于所述含义空间存储部存储的所述脑内含义空间信息，根据对新素材的内容进行自然语言处理得到的语言描述，推定所述脑内含义空间中与所述新素材的内容对应的第一位置；目标推定部，基于所述含义空间存储部存储的所述脑内含义空间信息，根据表示所述新素材的目标概念的目标词，推定所述脑内含义空间中与该目标词对应的第二位置；以及评价处理部，基于由所述素材推定部推定的所述第一位置以及由所述目标推定部推定的所述第二位置来评价所述新素材。

根据本发明，对于新素材的评价，无需重新检测脑活动，因此，能够迅速且简单地进行评价。

附图说明

图1是表示本实施方式所涉及的素材评价系统的一个例子的功能的框图。

图2是说明本实施方式中的构建脑内含义空间的一个例子的图。

图3是说明本实施方式中的素材评价处理的一个例子的图。

图4是表示本实施方式所涉及的素材评价系统的操作的一个例子的流程图。

图5是表示本实施方式所涉及的素材评价系统的评价结果的一个例子的图。

符号说明

1素材评价系统

10数据处理装置

11存储部

12控制部

20图像播放终端

30fmri

40解析装置

50语料库

111含义空间存储部

112推定结果存储部

113评价结果存储部

121素材推定部

122目标推定部

123评价处理部

124输出处理部

s1被实验者

具体实施方式

下面，参照附图，对本发明的一个实施方式所涉及的素材评价系统以及素材评价方法进行说明。

图1是表示本实施方式所涉及的素材评价系统1的一个例子的功能的框图。

如图1所示，素材评价系统1包括数据处理装置10、图像播放终端20、fmri(functionalmagneticresonanceimaging)30以及解析装置40。

本实施方式所涉及的素材评价系统1进行与cm动画(商业广告动画、商业广告影片(cf))等的影像、声音内容、各种产品等素材相关的感知内容的推定、购买预测(下面称为评价)。

图像播放终端20例如是包括液晶显示器等的终端装置，例如，显示训练用动画(训练动画)等，使被实验者s1进行视听。

其中，训练动画(训练用素材的一个例子)是包含多种多样的图像的动画。

fmri30(脑活动检测部的一个例子)检测视听图像播放终端20显示的图像(例如，训练动画等)的被实验者s1的脑活动。即，fmri30检测训练动画出示给被实验者s1而对被实验者s1的刺激所带来的被实验者s1的脑活动。fmri30输出将被实验者s1的脑活动关联的血流动态反应进行视觉化的fmri信号(脑活动信号)。fmri30以规定的时间间隔(例如，2秒间隔)检测被实验者s1的脑活动，将检测到的检测结果作为fmri信号输出给解析装置40。

解析装置40(含义空间构建部的一个例子)基于由fmri30检测到的检测结果以及对训练动画的内容进行自然语言处理得到的语言描述(注解)来构建表示脑活动与语言描述中出现的词的脑内含义关系的脑内含义空间。

例如，解析装置40使用统计学习模式，针对训练动画的刺激与脑活动的组数据，定义对应关系的作为中间表象的脑内含义空间。解析装置40将表示构建的脑内含义空间的脑内含义空间信息输出给数据处理装置10，将该脑内含义空间信息存储到数据处理装置10的含义空间存储部111中。

数据处理装置10(素材评价装置的一个例子)是计算机装置，不重新进行fmri30进行的脑活动检测，基于由解析装置40构建的脑内含义空间来评价作为评价对象的新素材。数据处理装置10将新素材的含义内容投影到由解析装置40构建的脑内含义空间，并且，将表示目标概念的目标词也投影到脑内含义空间。然后，数据处理装置10基于对应新素材的脑内含义空间上的位置(第一位置)以及对应目标词的脑内含义空间上的位置(第二位置)来评价新素材。另外，数据处理装置10包括存储部11以及控制部12。

存储部11存储数据处理装置10执行的各种处理中使用的各种信息。存储部11包括含义空间存储部111、推定结果存储部112、以及评价结果存储部113。

含义空间存储部111存储表示由解析装置40构建的脑内含义空间的脑内含义空间信息。其中，脑内含义空间信息例如是后面所述的将注解矢量投影到脑内含义空间上的投影函数。

推定结果存储部112存储后面所述的素材推定部121以及目标推定部122的推定结果。推定结果存储部112例如存储表示对应新素材的脑内含义空间上的位置的推定结果以及表示对应目标词的脑内含义空间上的位置的推定结果。

评价结果存储部113存储新素材的评价结果。评价结果存储部113例如存储后面所述的脑内含义空间上的距离的指标等信息。

控制部12例如是包含cpu(centralprocessingunit)等的处理器，集中控制数据处理装置10。控制部12执行数据处理装置10所执行的各种处理。另外，控制部12包括素材推定部121、目标推定部122、评价处理部123、以及输出处理部124。

素材推定部121根据对新素材的内容进行自然语言处理得到的语言描述，推定脑内含义空间中与新素材的内容对应的位置(第一位置)。即，素材推定部121基于含义空间存储部111存储的脑内含义空间信息，根据对新素材的内容进行自然语言处理得到的语言描述，推定脑内含义空间中与新素材的内容对应的第一位置。其中，语言描述例如是后面所述的注解矢量。素材推定部121使用脑内含义空间信息将对应新素材内容的注解矢量投影到脑内含义空间上。

其中，对素材推定部121根据新素材的内容生成注解矢量的处理进行说明。例如，在新素材是图像的情况下，预先制成用于表示该图像印象的语言描述的文章(注解信息)，素材推定部121从外部获取该注解信息。其中，注解信息例如是50字～150字的场景概要(图像的概要)的说明、感想等文章。素材推定部121将获取的语言描述的文章(注解信息)通过例如mecab等进行词素解析，生成分隔写法的数据。然后，素材推定部121对该分隔写法的数据中包含的各个词使用语料库50进行自然语言处理(例如，word2vec)，针对每个词生成skip-gram等行列的注解矢量。

此外，语料库50例如是wikipedia(注册商标)、新闻报道等大量文章数据的数据库。素材推定部121将这种大量的文章数据作为语料库50进行自然语言处理，生成注解矢量。其中，作为注解矢量，对表示图像的印象的语言描述(注解)中出现的词通过语料库50中登记的词的关系性计算出的距离(含义)相近的内容。

素材推定部121例如基于上述脑内含义空间信息，将生成的每个词的注解矢量转换(投影)到脑内含义空间上的位置。此外，素材推定部121可以将对应投影的各个词的位置分别作为上述第一位置，也可以将对应投影的各个词的位置的重心(平均)作为上述第一位置。

另外，素材推定部121将表示对应新素材的内容的脑内含义空间上的位置(第一位置)的推定结果(例如，表示位置的矢量(v1))存储到推定结果存储部112中。

目标推定部122根据表示新素材的目标概念的目标词来推定脑内含义空间中与该目标词对应的位置(第二位置)。即，目标推定部122基于含义空间存储部111存储的脑内含义空间信息，根据目标词，推定脑内含义空间中与目标词对应的第二位置。其中，例如，目标词是“可爱”、“新鲜”等表示评价对象的新素材为目标的概念的词。

目标推定部122从外部获取目标词，对该目标词使用语料库50进行自然语言处理(例如，word2vec)，生成skip－gram等行列的对应目标词的注解矢量。目标推定部122基于上述脑内含义空间信息将对应目标词的注解矢量转换(投影到)到脑内含义空间上的位置。

另外，目标推定部122将表示对应目标词的脑内含义空间上的位置(第二位置)的推定结果(例如，表示位置的矢量(v2))存储到推定结果存储部112中。

评价处理部123基于由目标推定部122推定的第一位置以及由目标推定部122推定的第二位置来评价新素材。例如，评价处理部123基于脑内含义空间上的第一位置与第二位置之间的距离来评价新素材是否接近目标概念。即，评价处理部123认为脑内含义空间上的距离越近，则新素材越是接近目标概念，可以说反映出制作意图。

另外，评价处理部123认为脑内含义空间上的距离越远，则新素材越偏离目标概念，而没有反映出制作意图。

另外，例如，评价处理部123可以计算欧几里得距离、马氏距离、熵、似然等来作为脑内含义空间上的距离指标。另外，评价处理部123也可以将表示对应新素材内容的第一位置的矢量(v1)与表示对应目标词的第二位置的矢量(v2)的内积值(v1·v2)作为指标来评价新素材是否接近目标概念。

另外，评价处理部123将计算出的脑内含义空间上的距离指标等信息存储到评价结果存储部113中。

输出处理部124将由评价处理部123评价的评价结果输出给外部。例如，输出处理部124将评价结果存储部113存储的距离指标等信息进行图表化处理等，输出给外部。

下面，参照附图对本实施方式所涉及的素材评价系统1的操作进行说明。

首先，参照图2，对本实施方式中的脑内含义空间的构建处理进行说明。

图2是说明本实施方式中的脑内含义空间的构建的一个例子的图。

如图2所示，首先，在图像播放终端20上显示训练动画，fmri30检测被实验者s1视听该训练动画时的脑活动。由此，得到脑活动的检测结果。解析装置40获取fmri30检测到的脑活动的检测结果。

另一方面，根据训练动画中包含场景图像(例如，图像g1)生成注解信息(例如，注解信息tx1)。例如，在场景图像g1是“路面电车以及很多人通过马路的场景”的情况下，注解信息tx1是说明“罕见的路面电车…”、“响铃的电车行驶在街道中…”、“是广岛市啊…”等说明场景概要的文章。该注解信息与上述素材推定部121中说明的语言描述的文章相同。

另外，解析装置40基于语料库50进行自然语言处理，根据注解信息生成注解矢量。解析装置40与目标推定部122中的说明同样地例如使用mecab等进行注解信息的语素解析，生成分隔写法的数据。然后，解析装置40对该分隔写法的数据中包含的各个词使用语料库50进行自然语言处理(例如，word2vec)，针对每个词生成skip－gram等行列的注解矢量。此外，此处的用于构建脑内含义空间的注解矢量例如是注解信息中包含的每个词的注解矢量。

然后，解析装置40使用脑活动的检测结果与注解矢量的组进行统计学习处理，构建脑内含义空间。例如，解析装置40进行递归模式等统计学习处理，构建表示脑活动与语言描述中出现的词的脑内含义关系的脑内含义空间。解析装置40将表示构建的脑内含义空间的脑内含义空间信息输出给数据处理装置10，将该脑内含义空间信息存储到含义空间存储部111中。

下面，参照图3，对本实施方式中的素材评价处理进行说明。

图3是说明本实施方式中的素材评价处理的一个例子的图。

如图3所示，首先，数据处理装置10的素材推定部121将对素材(例如，作为评价对象的动画等)的内容进行语言描述的素材语言描述(注解信息)投影到脑内含义空间。即，素材推定部121对注解信息进行语素解析而生成分隔写法的数据，对该分隔写法的数据中包含的各个词使用语料库50进行自然语言处理(例如，word2vec)，针对每个词生成skip－gram等行列的注解矢量。

然后，素材推定部121基于含义空间存储部111存储的脑内含义空间信息将生成的注解矢量投影到脑内含义空间中与新素材的内容对应的位置p1。具体来讲，素材推定部121将每个词的注解矢量分别基于脑内含义空间信息投影到脑内含义空间，将投影的各个位置的重心作为对应新素材内容的位置p1。

另外，数据处理装置10的目标推定部122将作为素材的目标概念的目标词投影到脑内含义空间。即，目标推定部122对目标词使用语料库50进行自然语言处理(例如，word2vec)，生成skip－gram等行列的对应目标词的目标概念矢量。目标推定部122基于含义空间存储部111存储的脑内含义空间信息，将对应目标词的目标概念矢量投影到脑内含义空间中对应目标词的位置p2。

然后，数据处理装置10的评价处理部123根据上述脑内含义空间的位置p1与位置p2之间的距离d评价素材。例如，距离d越近，则表示被实验者s1在脑内越是感觉作为评价对象的新素材的内容是接近目标词的内容，评价处理部123判定距离d越近则新素材越是能够反映出制作意图。另外，例如，距离d越远，则表示被实验者s1在脑内越是感觉作为评价对象的新素材的内容是远离目标词的内容，评价处理部123判定距离d越远则作为评价对象的新素材越是无法反应制作意图。

下面，参照图4对本实施方式所涉及的素材评价系统1的整体操作进行说明。

图4是表示本实施方式所涉及的素材评价系统1的操作的一个例子的流程图。

如图4所示，素材评价系统1首先检测视听训练动画的脑活动(步骤s101)。即，素材评价系统1的图像播放终端20显示训练动画，fmri30检测视听该训练动画的被实验者s1的脑活动。fmri30将检测到的检测结果输出给解析装置40。

然后，解析装置40根据训练动画的各个场景生成注解矢量(步骤s102)。如图2所示，解析装置40根据训练动画的各个场景生成注解矢量。

然后，解析装置40根据脑活动的检测结果以及注解矢量来构建脑内含义空间(步骤s103)。解析装置40对脑活动的检测结果与注解矢量的组进行统计学习处理，将脑活动与注解矢量相关联，构建对应被实验者s1的脑内含义空间(参照图2)。解析装置40将表示构建的脑内含义空间的脑内含义空间信息输出给数据处理装置10，将该脑内含义空间信息存储到数据处理装置10的含义空间存储部111中。

然后，数据处理装置10根据对评价对象即新素材进行自然语言处理得到的语言描述生成注解矢量(步骤s104)。例如，数据处理装置10的素材推定部121根据cm动画等新素材中的各个场景生成注解矢量。

然后，素材推定部121根据新素材的注解矢量推定脑内含义空间的第一位置(步骤s105)。例如，如图3所示，素材推定部121将新素材的注解矢量投影到脑内含义空间上的对应新素材的位置p1。此外，例如，素材推定部121将对应各个场景的注解矢量分别投影到脑内含义空间上，推定多个位置p1。

然后，数据处理装置10根据目标词生成目标概念矢量(步骤s106)。数据处理装置10的目标推定部122根据表示新素材的目标概念的目标词(例如，“可爱”等)生成目标概念矢量。

然后，目标推定部122根据目标词的目标概念矢量推定脑内含义空间的第二位置(步骤s107)。例如，如图3所示，目标推定部122将目标词的目标概念矢量投影到脑内含义空间上对应目标词的位置p2。

然后，数据处理装置10的评价处理部123基于脑内含义空间上的第一位置(位置p1)以及第二位置(位置p2)来评价新素材(步骤s108)。例如，评价处理部123计算出表示对应各个场景的位置p1的矢量(v1)与表示对应目标词的位置p2的矢量(v2)的内积值作为评价指标。

此外，在上述素材评价的流程中，步骤s101的处理对应脑活动检测步骤的处理，步骤s102以及步骤s103的处理对应含义空间构建步骤的处理。另外，步骤s104以及步骤s105的处理对应第一推定步骤的处理，步骤s106以及步骤s107的处理对应第二推定步骤的处理，步骤s108的处理对应评价步骤。其中，步骤s101到步骤s103的处理包含脑活动检测，但是，新素材的评价所需的步骤s104到步骤s108的处理不包含重新检测脑活动。由此，本实施方式所涉及的素材评价方法对于新素材的评价要求，提供无需重新检测脑活动就可以迅速且简单进行评价方法。

下面，参照图5对素材评价系统1的评价结果的一个例子进行说明。

图5是表示本实施方式所涉及的素材评价系统1的评价结果的一个例子的图。

图5所示的例子是本实施方式所涉及的数据处理装置10对特定的cm动画进行定量评价的一个例子。其目的在于，例如提供用于判定两个影像a以及b中的哪个会对视听者带来更强的特定印象等的定量指标。例如，将三个30秒的cm动画作为新素材，确认cm动画的各个场景所表示目标概念的目标词(该情况下是“可爱”)的可识别度(这里是内积值)，从而推定感知目标词的程度。

在图5所示的曲线图中，纵轴表示“可爱”的可识别度(内积值)，横轴表示时间。

例如，cm动画cm-1为“女高中生与亲戚谈话的场面”，cm动画cm-2为“进行董事会议的场面”，cm动画cm-3为“偶像练习跳舞的场面”。

在图5所示的例子中可以看出，cm动画cm-1的内积值最高，可知其似是最接近于目标词(“可爱”)的素材。

此外，在图5所示的例子中，评价处理部123是通过与一个人的被实验者s1对应的脑内含义空间进行评价，但是，也可以通过多个被实验者s1分别构建的脑内含义空间对新素材进行评价。在该情况下，含义空间存储部111将被实验者s1的识别信息与脑内含义空间信息对应存储。

另外，在已知新素材是面向女性的cm、面向儿童的cm等的评价对象的情况下，评价处理部123也可以根据作为评价对象的新素材的种类变更与被实验者s1对应的脑内含义空间信息来进行评价。

如上所述，本实施方式所涉及的素材评价方法包含脑活动检测步骤、含义空间构建步骤、第一推定步骤、第二推定步骤、以及评价步骤。在脑活动检测步骤中，fmri30(脑活动检测部)将训练用素材(例如，训练动画)出示给被实验者s1并检测脑活动。在含义空间构建步骤中，解析装置40(含义空间构建部)基于通过脑活动检测步骤检测的检测结果以及对训练用素材的内容进行自然语言处理得到的语言描述(注解)来构建表示脑活动与语言描述中出现的词的脑内含义关系的脑内含义空间。在第一推定步骤中，素材推定部121根据对新素材的内容进行自然语言处理得到的语言描述来推定脑内含义空间中对应新素材内容的第一位置。在第二推定步骤中，目标推定部122根据表示新素材的目标概念的目标词推定脑内含义空间中对应该目标词的第二位置。然后，在评价步骤中，评价处理部123基于通过第一推定步骤推定的第一位置以及通过第二推定步骤推定的第二位置来评价新素材。

由此，本实施方式所涉及的素材评价方法无需重新进行脑活动的检测就能够定量评价新素材是否可以诱发接近目标概念的脑内表现。另外，本实施方式所涉及的素材评价方法在评价新素材时，无需单独检测脑活动，因此，能够大幅减小素材制作以及评价的周期。由此，本实施方式所涉及的素材评价方法能够迅速且简单地进行评价。另外，本实施方式所涉及的素材评价方法能够降低人工成本、时间成本、以及金钱成本。

另外，在本实施方式中，在评价步骤，评价处理部123基于脑内含义空间上的第一位置(位置p1)与第二位置(位置p2)之间的距离(d)来评价新素材是否接近目标概念。

由此，本实施方式所涉及的素材评价方法能够客观且定量地进行有关新素材的评价(例如，感知内容推定以及购买预测等)。

另外，在本实施方式中，在评价步骤，评价处理部123可以将表示第一位置的矢量与表示第二位置的矢量的内积值作为指标来评价新素材是否接近目标概念。

由此，本实施方式所涉及的素材评价方法能够通过计算内积值这种简单的方法来适当进行如图5所示的有关新素材的定量评价。

另外，在本实施方式中，在第一推定步骤，素材推定部121对语言描述中包含的每个词推定脑内含义空间中的位置，将该每个词位置的重心推定为第一位置。

由此，本实施方式所涉及的素材评价方法能够通过计算重心这种简单的方法来适当推定脑内含义空间中对应新素材的第一位置。

另外，在本实施方式中，在第一推定步骤，素材推定部121也可以将语言描述中包含的词分别对应的脑内含义空间中的位置推定为第一位置。

由此，本实施方式所涉及的素材评价方法能够以表示新素材内容的语言描述中包含的词为单位来评价与目标词的距离。

另外，本实施方式所涉及的数据处理装置10(素材评价装置)以及素材评价系统1包括含义空间存储部111、素材推定部121、目标推定部122、以及评价处理部123。含义空间存储部111存储表示脑活动语言描述中出现的词的脑内的含义关系的脑内含义空间信息，其中，该脑内含义空间信息表示基于由fmri30将训练用素材出示给被实验者s1并检测脑活动的检测结果以及对训练用素材的内容进行自然语言处理得到的语言描述构建的脑内含义空间。素材推定部121基于含义空间存储部111存储的脑内含义空间信息，根据对新素材的内容进行自然语言处理得到的语言描述来推定脑内含义空间中对应新素材内容的第一位置。目标推定部122基于含义空间存储部111存储的脑内含义空间信息，根据表示新素材的目标概念的目标词，推定脑内含义空间中对应该目标词的第二位置。评价处理部123基于由素材推定部121推定的第一位置以及由目标推定部122推定的第二位置来评价新素材。

由此，本实施方式所涉及的数据处理装置10以及素材评价系统1与上述素材评价方法同样，对新素材无需重新检测脑活动就能够进行定量评价，能够迅速且简单地进行评价。

此外，本发明不限于上面的实施方式，在不脱离本发明的技术思想的范围内能够进行变更。

例如，在上述的实施方式中，说明了素材评价系统1包括图像播放终端20、fmri30、以及解析装置40的例子，但是，在脑内含义空间信息预先存储在含义空间存储部111中的情况下，可以仅由数据处理装置10构成。另外，数据处理装置10可以包含解析装置40的功能。

另外，在上述的实施方式中，说明了输出处理部124向外部输出评价结果的例子，但不限于此，数据处理装置10可以包括显示部，在显示部输出评价结果。另外，也可以将存储部11的一部分或者全部设置在数据处理装置10的外部。

另外，在上述实施方式中，说明了对新素材(cm动画)的每个场景进行评价的例子，但是，也可以进行分镜剪辑等评价，也可以对新素材(cm动画)的整体内容进行评价。

另外，在上述实施方式中，说明了用于构建脑内含义空间的注解矢量是注解信息中包含的每个词的注解矢量的例子，但是，也可以将每个词的注解矢量的重心作为用于构建脑内含义空间的注解矢量。

此外，上述数据处理装置10以及解析装置40所包括的各结构在内部具有计算机系统。并且，可以将用于实现上述的数据处理装置10以及解析装置40所包括的各结构的功能的程序记录到计算机可读取存储介质中，将该存储介质所记录的程序读入到计算机系统中，通过执行来进行上述数据处理装置10以及解析装置40所包括的各结构中的处理。其中“将存储介质中记录的程序读入到计算机系统中并执行”包含在计算机系统中安装程序。此处所说的“计算机系统”包含os、周边机器等硬件。

另外，“计算机系统”可以包含经由包括互联网、wan、lan、专用线路等通信线路的网络连接而成的多个计算机装置。另外，“计算机可读取存储介质”是指磁盘、光盘、rom、cd-rom等可移动介质、内置于计算机系统的硬盘等存储装置。如上所述，存储程序的存储介质也可以是cd-rom等非临时性存储介质。

另外，存储介质还包含能够从用于分发该程序的分发服务器接入的、设置于内部或者外部的存储介质。此外，将程序分割为多份并分别在不同的时刻下载后，以数据处理装置10以及解析装置40所包括的各结构进行合体的结构、将分割的程序分别分发的分发服务器可以不同。并且“计算机可读取存储介质”包含经由网络发送程序时作为服务器、客户端的计算机系统内部的易失性存储器(ram)这种暂时保存程序的存储器。另外，上述程序可以用于实现上述功能的一部分。并且，也可以是能够将上述功能与计算机系统中已存储的程序组合实现的所谓的差异文件(差异程序)。

另外，也可以将上述功能的一部分或者全部作为lsi(largescaleintegration)等集成电路实现。上述各功能可以单独处理器化，也可以将一部分或者全部进行集成处理器化。另外，集成电路化方法不限于lsi，也可以通过专用电路或者通用处理器实现。另外，随着半导体技术的进步，在取代lsi的集成电路化技术出现的情况下，也可以使用基于该技术的集成电路。